Искусственный интеллект помог обнаружить корональные дыры для автоматического прогноза космической погоды

Статья с описанием результатов исследования опубликована в журнале Astronomy & Astrophysics. Солнце – это источник жизни на Земле. «Жизнь» электроники также зависит от уровня активности нашей ближайшей звезды и ее взаимодействием с магнитным полем Земли. Хотя для человеческого глаза Солнце всегда выглядит одинаково, оно очень активно и источник частых выбросов солнечной энергии, вызывающих геомагнитные бури на Земле. Именно поэтому с помощью спутниковых телескопов ведется непрерывное наблюдение за внешней атмосферой Солнца — солнечной короной.

Одна из характерных особенностей этих наблюдений — наличие обширных темных участков, так называемых корональных дыр. А темными они выглядят потому, что частицы плазмы могут свободно распространяться в космическое пространство вдоль открытых линий магнитного поля, оставляя «дыру» в короне. Именно из таких частиц образуется мощный поток высокоскоростного солнечного ветра, который, достигая поверхности Земли, может вызывать геомагнитные бури. Внешний вид и расположение дыр на Солнце меняются в зависимости от уровня солнечной активности, и это важно для исследования долгосрочной динамики активности Солнца.

«Обнаружение корональных дыр ? сложная задача не только для традиционных алгоритмов, но и для наблюдателей, поскольку в солнечной атмосфере присутствуют и другие темные области, например, протуберанцы, которые можно легко спутать с корональной дырой», ? рассказывает ведущий автор статьи, научный сотрудник Грацcкого университета Роберт Яролим.

В своей статье авторы описывают сверточную нейронную сеть CHRONNOS (Coronal Hole RecOgnition Neural Network Over multi-Spectral-data), которую они разработали специально для обнаружения корональных дыр. «Благодаря искусственному интеллекту мы можем идентифицировать корональные дыры по таким критериям, как интенсивность, форма и свойства магнитного поля. Те же критерии учитываются и человеком в процессе наблюдения», ? отмечает Роберт Яролим.

«Солнечная атмосфера выглядит по-разному в зависимости от длины волны, на которой ведется наблюдение. В качестве входных данных для нейронной сети мы использовали изображения, полученные на разных длинах волн крайней ультрафиолетовой области спектра (EUV), а также карты магнитного поля, с помощью которых сеть смогла установить взаимосвязи между разными видами многоканальной информации», ? добавляет соавтор статьи, профессор Грацского университета Астрид Верониг.

Авторы обучили свою модель на приблизительно 1700 изображениях, полученных за период с 2010 по 2017 годы, и показали, что метод работает при любых уровнях солнечной активности. Сравнение полученных с помощью нейронной сети результатов с данными по обнаружению 261 корональных дыр в ручном режиме показало совпадение результатов в 98 процентов случаев.

Кроме того, авторы исследовали результаты обнаружения корональных дыр по картам магнитного поля, которые сильно отличаются от данных наблюдений в EUV-диапазоне. Человек не может обнаружить корональную дыру, используя только карты магнитного поля, а ИИ научился воспринимать эти изображения иначе и на их основе идентифицировать корональные дыры.

«Это многообещающий результат для будущих задач обнаружения корональных дыр с помощью наземных телескопов. С Земли у нас нет возможности напрямую наблюдать корональные дыры в виде темных пятен, которые видны на космических изображениях в EUV-диапазоне и мягком рентгеновском диапазоне, а есть лишь возможность регулярно измерять магнитное поле Солнца», ? отмечает один из авторов статьи, старший преподаватель Космического центра Сколтеха Татьяна Подладчикова.

Новый метод был разработан с использованием высокопроизводительного кластера Сколтеха в рамках создания интегрированной сетевой группы исследований по солнечной физике (SPRING), которая будет обеспечивать автономный мониторинг Солнца с использованием новейших технологий в области наблюдательной физики Солнца. SPRING — часть проекта SOLARNET, который посвящен подготовке к созданию Европейского солнечного телескопа (EST).

Проект поддержан программой Европейского союза по науке и инновациям «Горизонт 2020». Грацский университет и Сколтех представляют Австрию и Россию в консорциуме SOLARNET, в состав которого входят 35 международных партнеров. Данное исследование проводилось также с участием специалистов Колумбийского университета (США), Института исследований Солнечной системы Общества Макса Планка (Германия) и компании NorthWest Research Associates (США).